【Research】深度学习音乐生成

前言

音乐生成是音乐信息检索（MIR）的一个研究领域，旨在创造新的音乐。为了理解和比较音乐创作系统，理解人类如何感知、学习和创作音乐是至关重要的。由于不同的原因，不同的人对音乐的感知是不同的。人类音乐创作的工作流程主要由作曲家的文化背景、对音乐的理解和原创性决定。发展作曲家所拥有的初始概念是作曲的一种方法。这个概念除了象征性的或与乐谱有关的音乐思想外，还包括音色或动态等表演元素，特别是当作曲家是一个有成就的音乐家时。初始概念（又称主题）的延续是由作曲家在写音乐作品时做出的决定来进行的。更多的MIR领域，如音频乐器分类或自动和弦识别（ACR）涉及到基于AI的音乐生成[1]。为了对音乐的结构进行建模，音乐可以被解释为一种分层结构的语言。根据数据的输入和输出特征，基于人工智能的音乐生成基本上可以从两个角度来看：符号域（symbolic domain）和音频域（audio domain）。

相关研究解析（含代码）

• Music Transformer（2019）：首次使用Transformer
• Pop Music Transformer（2020）：REMI音乐表示
• Compound Word Transformer（2021）【论文】|<